可见光遥感图像船舶目标数据增强方法研究

摘要：

可见光遥感图像中缺乏船舶目标样本导致正负样本类不平衡,训练得到的轻量级神经网络稀疏MobileNetV2船舶目标检测模型易陷入过拟合,基于生成对抗网络和样本空间中图像操作,提出一种样本空间与特征空间联合的数据增强方法(SADA),以实现船舶目标的补充.根据遥感图像中目标尺寸、灰度分布等特点,构建深度卷积船舶目标生成对抗网络,并在数据集层面融合样本数据变换和特征空间拟合两种方法实现训练集的扩充.利用Google Earth中的0.5m分辨率图像数据集开展的实验结果表明,基于扩充数据集训练得到的稀疏MobileNetV2网络,船舶目标检测召回率可提升68.5％,验证了所提方法对于提升轻量级深度学习模型在小样本可见光遥感图像船舶目标检测应用中精度的可行性.

关键词：可见光遥感、船舶目标、数据增强、生成对抗网络

所属期刊栏目：41

分类号：TP751;TP183;TH89(遥感技术)

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：261-269